集中信息融合与域深度迁移的谐波减速器故障诊断

来源：振动与冲击杂志2025年第16期北京时间：

作者：石超，郭世杰sjguo@imut,，吕贺

单位：1.内蒙古工业大学机械工程学院，呼和浩特010051；2.内蒙古自治区机器人与智能装备技术重点实验室，呼和浩特010051

摘要：针对谐波减速器在不同工况下源域与目标域故障数据分布存在显著差异，以及难以有效刻画故障信号的非线性和非平稳性，所导致诊断精度低的问题。提出了一种集中式信息融合结合深度迁移学习网络的谐波减速器故障诊断方法。首先，通过基于蜻蜓优化算法(dragonfly algorithm, DA)的变分模态分解(variational mode decomposition, VMD)提取复杂信号的模态分量，结合希尔伯特时频映射得到单轴向时频图。其次，通过小波变换将三轴向时频图进行集中信息融合，构造融合图像样本。再次，在残差网络(residual network, ResNet)的基础上融入卷积块注意力机制(convolutional block attention module, CBAM)，并引入联合最大平均偏差（joint maximum mean discrepancy, JMMD）方法来衡量不同域之间的联合分布差异，构建域迁移深度网络，实现对变工况下谐波减速器迁移故障诊断。最后，通过搭建的谐波减速器实验平台进行实验验证。实验结果显示，所提方法在变工况诊断任务中，最高识别率可达98.75%，平均诊断结果为95%，可实现变工况谐波减速器的故障诊断。<br>

关键词：谐波减速器；变工况；集中信息融合；域迁移；故障诊断